HTML解析之TFHpple 包的使用

1第三方API TFHpple包的下载地址：点击打开链接

3.使用TFHpple的步骤。

1）导入类文件：#import TFHpple.h

2）包装URL获取data数据

 

?

1 2 3

NSString *urlString = @http : //www.weiphone.com/apple/news/index_1.shtml;   NSData *htmlData = [[NSData alloc]initWithContentsOfURL:[NSURL URLWithString:urlString]];

如果网页不是UTF8 编码，可能无法识别。我们需要进行转换。我们需要看清我们需要转换的源代码的头格式。

 

 

?

1	// NSData *toHtmlData = [self toUTF8:htmlData];

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

- (NSData *) toUTF8:(NSData *)sourceData {      CFStringRef gbkStr = CFStringCreateWithBytes(NULL, [sourceData bytes], [sourceData length], kCFStringEncodingGB_18030_2000, false );            if (gbkStr == NULL) {          return nil;      }      else      {          NSString *gbkString = (NSString *)gbkStr;                    NSString *utf8_string = [gbkString                  stringByReplacingOccurrencesOfString: @META http-equiv=X-UA-Compatible content=IE=EmulateIE7                                   withString: @META http-equiv=Content-Type content=  ext/html; charset=UTF- 8 ];                    return [utf8_string dataUsingEncoding:NSUTF8StringEncoding];            }

3）把Data文件转化成 TFHpple对象

 

 

?

1	TFHpple *xpathparser = [[TFHpple alloc]initWithHTMLData:htmlData];

4）书写相应的语法规则进行转换，得到对应的数组

 

 

?

1 2	NSArray *array1 = [xpathparser searchWithXPathQuery:@ //div[@id='news']//div//div[2]//h3//a[1]];     NSLog(@%@,[array1 objectAtIndex: 0 ]);

4.关于Xpath的学习语法。

 

 

XPath 使用路径表达式来选取 XML 文档中的节点或节点集。节点是通过沿着路径 (path) 或者步 (steps) 来选取的。

XML 实例文档

我们将在下面的例子中使用这个 XML 文档。

?

1 2 3 4 5 6 7 8 9 10 11 12 13

<!--?xml version= 1.0 encoding=ISO- 8859 - 1 ?-->   <bookstore>   <book><title lang= "eng" ></title>    <price> 29.99 </price> </book>   <book><title lang= "eng" ></title>    <price> 39.95 </price> </book>   </bookstore>

选取节点

XPath 使用路径表达式在 XML 文档中选取节点。节点是通过沿着路径或者 step 来选取的。

下面列出了最有用的路径表达式：

表达式	描述
nodename	选取此节点的所有子节点。
/	从根节点选取。
//	从匹配选择的当前节点选择文档中的节点，而不考虑它们的位置。
.	选取当前节点。
..	选取当前节点的父节点。
@	选取属性。

实例

在下面的表格中，我们已列出了一些路径表达式以及表达式的结果：

路径表达式	结果
bookstore	选取 bookstore 元素的所有子节点。
/bookstore	选取根元素 bookstore。 注释：假如路径起始于正斜杠( / )，则此路径始终代表到某元素的绝对路径！
bookstore/book	选取属于 bookstore 的子元素的所有 book 元素。
//book	选取所有 book 子元素，而不管它们在文档中的位置。
bookstore//book	选择属于 bookstore 元素的后代的所有 book 元素，而不管它们位于 bookstore 之下的什么位置。
//@lang	选取名为 lang 的所有属性。

谓语（Predicates）

谓语用来查找某个特定的节点或者包含某个指定的值的节点。

谓语被嵌在方括号中。

实例

在下面的表格中，我们列出了带有谓语的一些路径表达式，以及表达式的结果：

路径表达式	结果
/bookstore/book[1]	选取属于 bookstore 子元素的第一个 book 元素。
/bookstore/book[last()]	选取属于 bookstore 子元素的最后一个 book 元素。
/bookstore/book[last()-1]	选取属于 bookstore 子元素的倒数第二个 book 元素。
/bookstore/book[position()<3]	选取最前面的两个属于 bookstore 元素的子元素的 book 元素。
//title[@lang]	选取所有拥有名为 lang 的属性的 title 元素。
//title[@lang='eng']	选取所有 title 元素，且这些元素拥有值为 eng 的 lang 属性。
/bookstore/book[price>35.00]	选取 bookstore 元素的所有 book 元素，且其中的 price 元素的值须大于 35.00。
/bookstore/book[price>35.00]/title	选取 bookstore 元素中的 book 元素的所有 title 元素，且其中的 price 元素的值须大于 35.00。

选取未知节点

XPath 通配符可用来选取未知的 XML 元素。

通配符	描述
*	匹配任何元素节点。
@*	匹配任何属性节点。
node()	匹配任何类型的节点。

实例

在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：

路径表达式	结果
/bookstore/*	选取 bookstore 元素的所有子元素。
//*	选取文档中的所有元素。
//title[@*]	选取所有带有属性的 title 元素。

选取若干路径

通过在路径表达式中使用“|”运算符，您可以选取若干个路径。

实例

在下面的表格中，我们列出了一些路径表达式，以及这些表达式的结果：

路径表达式	结果
//book/title | //book/price	选取 book 元素的所有 title 和 price 元素。
//title | //price	选取文档中的所有 title 和 price 元素。
/bookstore/book/title | //price	选取属于 bookstore 元素的 book 元素的所有 title 元素，以及文档中所有的 price 元素。